V7 Labs、AIチームのトレーニングデータワークフローの「自動化」を支援するために300万ドルを調達

AIの進歩に伴い、AIチームのトレーニングデータワークフローを「自動化」し、将来を見据えた運用を可能にするコンピュータービジョンプラットフォームを開発するV7 Labsが、300万ドルの資金調達を実施した。シードラウンドのリーダーはAmadeus Capital Partnersで、Partech、Nathan Benaich氏のAir Street Capital、そしてMiele Ventureが参加している。

シンギュラリティ大学卒業生のアルベルト・リッツォーリ氏と、RSIの元研究開発責任者サイモン・エドワーズソン氏（「見る」アプリ「Aipoly」の開発チームと同じ）によって2018年に設立されたV7 Labsプラットフォームは、高品質なトレーニングデータの作成を10～100倍加速することを約束しています。これは、ユーザーが自動化された画像および動画データパイプラインを構築し、複雑なデータセットを整理およびバージョン管理し、「最先端」のビジョンAIモデルをトレーニングおよび展開する機能を提供することで実現されます。

「企業がビジネス価値を生み出すコンピュータービジョンソリューションを構築するには、モデルを継続的に収集、ラベル付け、再トレーニングする必要があります」と、V7 LabsのRizzoli氏は説明します。「2015年にAipolyを構築した当時は、サードパーティのSaaS製品がなかったため、AIの急速な進化に対応しながら、独自のツールを構築・維持する必要がありました。」

時代は進み、現在では多くの優れたコンピュータービジョン企業が、この問題を解決するためにV7のようなSaaSプラットフォームに注目していると、Rizzoli氏は言います。「AIスタートアップを立ち上げるには、考えるべきことがたくさんあります。『100種類の異なる動画データセットをいかに効率的に保存し、クエリするか』といったことは、サービス提供の真っ最中に初めて思いつくものです。

「V7 は、現実世界の問題に対するデータの整理、ラベル付け、およびコンピューター ビジョン モデルの起動に関する業界のベスト プラクティスを体系化します。」

ブラウザとクラウドベースのこのプラットフォームは、大規模な画像/動画データセットを「遅延なく」迅速にアップロード・レンダリングし、事前のトレーニングデータを必要とせずに（程度の差はあれ）ラベル付けを自動化できると主張しています。V7はまた、画像/動画ごとに非常に多くのラベルを追跡できるように設計されており、画像ごとに数千の注釈、データセットごとに数百万枚の画像をサポートします。重要なのは、Rizzoli氏によると、このプラットフォーム内でコンピュータービジョンモデルのトレーニング、展開、実行が「DevOpsを気にすることなく、数回のクリックで」可能だという点です。

「顧客はまもなく、これらのモデルとそれに対応するトレーニング セットを監査して、デバッグやデータ品質のテスト、障害の発見、不要なバイアスの排除ができるようになる」と彼は付け加え、これらはすべて AI 業界における未解決の大きな問題点であると指摘した。